Cómo afecta la varianza al plazo de un proyecto y sus costos.

Autores/as

  • Juan Manuel Izar Landeta Instituto Tecnológico Superior de Rioverde
  • Olga Edith Villalón Piña
  • Javier Ruiz Aguilar

DOI:

https://doi.org/10.19136/hitos.a32n93.6397

Palabras clave:

plazo del proyecto, ruta crítica, tiempo esperado de una actividad, varianza de una actividad, distribución beta de probabilidad.

Resumen

OBJETIVO: Estudiar el caso de la aplicación de varios métodos para estimar el plazo de un proyecto, a fin de analizar la correlación entre la varianza del proyecto y los plazos de terminación y costos de penalización.

MATERIAL Y MÉTODO: Se aplican varios métodos de estimación del plazo y la varianza de un proyecto, iniciando con PERT y siguiendo con otros métodos derivados de PERT, más la distribución triangular, el método de Ballesteros-Pérez et al. y la simulación de Montecarlo.

RESULTADOS: Se aplicaron los métodos a un caso ilustrativo de un proyecto, siendo los de Suckey y Kim, el de Shankar y Sireesha, el de Golenko-Ginzburg y el de Grubbs, los que dan menor plazo para finalizar el proyecto, así como los costos mínimos de penalización en casos de demora. El PERT ha obtenido una posición intermedia, dejando ver con esto que no es la mejor solución.

CONCLUSIONES: Se confirma que la varianza sí tiene una relación directa tanto con el plazo del proyecto y con sus costos en el caso de demoras. El PERT ha quedado en una posición intermedia tanto en su plazo del proyecto como en los costos de penalización por demoras.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Juan Manuel Izar Landeta, Instituto Tecnológico Superior de Rioverde

    Doctor en Administración.

  • Olga Edith Villalón Piña

    Maestra en Educación.

  • Javier Ruiz Aguilar

    Ingeniero Industrial. 

Referencias

Abdelkader, Y. H. (2004). Evaluating Project completion times when activity times are Weibull distributed. European Journal of Operational Research, 157, 704-715, https://doi.org/10.1016/S0377-2217/(03)00269-8.

Acebes-Senovilla, F., González-Varona, J. M., Pajares-Gutiérrez, J., & López-Paredes, A. (2025). Simulación Monte Carlo como herramienta para priorizar los riesgos de los proyectos. Dirección y Organización, 85, 43-56, https://doi.org/10.37610/85.689.

Aguilar-Cartagena, C. C. y Pascual-Coronel, R. S. (2021). Predicción y evaluación en el sistema de gestión de tiempos y costos mediante el enfoque ANSI – 748 Montecarlo y su impacto en proyectos urbanísticos de la municipalidad de Carabayllo 2020 [Tesis de licenciatura no publicada]. Universidad Privada del Norte.

Ariza-Flores, V. A. y Zavala-Ascaño, G. (2025). Quantitative risk analysis framework for cost and time estimation in road infrastructure projects. Infrastructures, 10(6), 139, https://doi.org/10.3390/infrastructures10060139.

Ballesteros-Pérez, P., Cerezo-Narváez, A., Otero-Mateo, M., Pastor-Fernández, A., Zhang, J. y Vanhoucke, M. (2020a). Forecasting the Project Duration Average and Standard Deviation from Deterministic Schedule Information. Applied Sciences, 10, 654, https://doi.org/10.3390/app10020654.

Ballesteros-Pérez, P., Sanz-Ablanedo, E., Soetanto, R., González-Cruz, M.C., Larsen, G.D. y Cerezo-Narváez, A. (2020b). Duration and cost variability of construction activities: An empirical study. Journal of Construction Engineering and Management, 146(1), https://doi.org/10.1061/(ASCE)CO.1943-7862.0001739.

Chanas, S. y Nowakowski, M. (1988). Single value simulation of fuzzy variable. Fuzzy Sets and Systems, 25(1), 43-57. https://doi.org/10.1016/0165-0114(88)90098-X.

Ebid, A. M., Ammar, T., Mahdi, I. y Hegazy, H. (2025). Evaluating the planning efficiency for repetitive construction projects using Monte Carlo simulation. Scientific Reports, 15(1), 27520. https://doi.org/10.1038/s41598-025-12779-w.

Farnum, N. R. y Stanton, L. W. (1987). Some results concerning the estimation of beta distribution parameters in PERT. Journal of the Operations Research Society, 38(3), 287-290.

Flyvbjerg, B., Budzier, A., Lee, J. S., Keil, M. y Lunn, D. (2022). The empirical reality of IT project cost overruns: Discovering a power-law distribution. arXiv. https://arxiv.org/abs/2210.01573.

Golenko-Ginzburg, D. (1989). PERT assumptions revisited. Omega, 17, 393-396.

Grubbs, F. E. (1962). Attempts to validate certain PERT statistics or ‘Picking on PERT’. Operations Research, 10, 912–915.

Hahn, E. (2008). Mixture densities for project management activity times: A robust approach to PERT. European Journal of Operational Research, 210, 450–459.

Hajdu, M. y Bokor, O. (2014). The Effects of Different Activity Distributions on Project Duration in PERT Networks. Procedia – Social and Behavioural Sciences, 119, 766-775. https://doi.org/10.1016/j.sbspro.2014.03.086.

Herrerías-Velasco, J. M., Herrerías-Pleguezuelo, R. y Van Dorp, J. R. (2011). Revisiting the PERT mean and variance. European Journal of Operational Research, 210, 448-451. http://dx.doi.org/10.1016/j.ejor.2010.08.014.

Italiya, D. G., Pitroda, J. R. y Raichura, C. (2025). A comprehensive review of cost overrun factors in construction projects. International Journal of Scientific Research in Engineering and Management, 9(11), 1-9. https://doi.org/10.55041/ijsrem53645.

Izar-Landeta, J. M. (2017). Cómo implementar un proyecto exitoso. Revista Conexxión de Economía y Administración, 3(8), 9-13. https://www.aliatuniversidades.com.mx/conexxion/portada?s=89

Izar-Landeta, J. M., Castillo-Ramírez, A. y Hernández-García, V. (2014, 23 de abril). Métodos alternos para subsanar las limitaciones de PERT al estimar el plazo de un proyecto. Congreso Anual de Investigación en Ciencias Administrativas, ACACIA y Universidad Autónoma de Baja California, Tijuana, B. C. DOI: 10.13140/RG.2.1.3553.5529.

Kamburowski, J. (1985). An upper bound on the expected completion time of PERT networks. European Journal of Operational Research, 21(2), 206-212. https://doi.org/10.1016/0377-2217(85)90032-3.

Kamburowski, J. (1997). New validations of PERT times. Omega, 25(3), 323-328. https://doi.org/10.1016/S0305-0483(97)00002-9.

Kartika, D. y Setiawan, B. (2025). The Economic Impact of Project Risk Management on Cost Efficiency and Time Performance in Medium-Scale Construction Projects. Mustard Journal De Ecobusin, 2(4), 204-217. https://doi.org/10.37899/mjde.v2i4.274.

Kulkarni, V. G. y Adlakha, V. G. (1986). Markov and Markov-regenerative PERT network. Operations Research, 34(5), 769-781. https://doi.org/10.1287/opre.34.5.769.

Magott, J. y Skudlarski, K. (1993), Estimating the mean completion time of PERT networks with exponentially distributed duration of activities. European Journal of Operational Research, 69(3), 360-370, https://doi.org/10.1016/0377-2217(93)90131-Q.

Ramadhan, J. S. y Waty, M. (2025). Impact of Change Orders on Cost Overruns and Delays in Large-Scale Construction Projects. Engineering, Technology and Applied Science Research, 15(1), 20291-20299, https://doi.org/10.48084/etasr.9449.

Sackey, S. y Kim, B-S. (2019). Schedule Risk Analysis using a Proposed Modified Variance and Mean of the Original Program Evaluation and Review Technique Model. KSCE Journal of Civil Engineering, 23(4), 1484-1492. https://doi.org/10.1007/s12205-019-1826-z.

Shankar, N. R. y Sireesha, V. (2009). An Approximation for the Activity Duration Distribution, Supporting Original PERT. Applied Mathematical Sciences, 3(57), 2823-2834.

Song, Y. y Vanhoucke, M. (2025). Schedule risk analysis for project control with risk interactions. Annal of Operations Research, https://doi.org/10.1007/s10479-025-06668-8.

Triangular distribution–Three-point estimating technique. (2023, abril14). https://www.projectmanagement.com/wikis/540506/triangular-distribution---three-point-estimating-technique.

Descargas

Publicado

2026-05-11

Cómo citar

Izar Landeta, J. M., Villalón Piña, O. E., & Ruiz Aguilar, J. (2026). Cómo afecta la varianza al plazo de un proyecto y sus costos. Hitos De Ciencias Económico Administrativas, 32(93), 165-182. https://doi.org/10.19136/hitos.a32n93.6397